Cet article a été publié originellement sur mydatacompany.fr

Les chercheurs en intelligence artificielle de Facebook ont développé un chatbot capable d’afficher des réactions plus humaines. Pour y parvenir, la firme a combiné des jeux de données répondant à différentes caractéristiques.

Les agents conversationnels ou chatbots comportent d’évidentes limites. Les entreprises s’efforcent cependant de les perfectionner. L’objectif est notamment de les rendre plus autonomes ou simplement plus engageants pour améliorer l’expérience utilisateur.

C’est sur cet axe que des chercheurs en intelligence artificielle de Facebook travaillent. Il s’agissait pour eux de concevoir un chatbot dégageant une forme d’empathie, artificielle cependant. Il devait aussi être doté de personnalité et de connaissances générales.

 

De plus grands volumes de données pour l’apprentissage

L’idée donc, avec ce chatbot baptisé Blender, est de permettre des interactions plus humaines. Comme le rapporte Wired, le bot peut ainsi participer à une discussion amicale sur des thèmes variés : séries télé, végétarisme ou l’éducation d’un enfant autiste.

L’illusion comporte des limites cependant. Comme d’autres chatbots, Blender continue de se heurter aux questions délicates et à un langage complexe. Il peine également à entretenir le fil d’une discussion au-delà d’une certaine durée.

« Cela est dû en partie au fait qu’il génère des réponses en utilisant un schéma statistique plutôt que le bon sens ou la compréhension émotionnelle » soulignent nos confrères américains. Blender profite néanmoins des dernières avancées dans le domaine de l’apprentissage des modèles de Machine Learning.

Connaissance, empathie, personnalité : des jeux de données dédiés

Ces approches reposent notamment sur la combinaison d’importants jeux de données lors de la phase d’apprentissage du modèle. DialoGPT de Microsoft a par exemple mobilisé 146 millions de conversations publiées sur le forum Reddit.

Blender reprend certaines de ces techniques, tout en mobilisant encore plus de données d’apprentissage. Des données issues de Reddit ont été exploitées, mais aussi d’autres jeux de données. L’un visait ainsi à capturer l’empathie propre à une conversion humaine.

D’autres datasets apportaient la connaissance générale et les éléments propres à des personnalités. La phase d’apprentissage de Blender combine ainsi les apports de ces multiples ensembles de données complémentaires.

« Le volume ne suffit pas. Vous devez vous assurer que tout est bien optimisé pour donner à votre modèle les compétences conversationnelles appropriées comme l’empathie, la personnalité et les connaissances » justifie Emily Dinan, ingénieure de recherche chez Facebook.

Le chatbot reste néanmoins « assez limités » encore, reconnaissent les experts en IA de Facebook. Leurs travaux sont à la disposition d’autres chercheurs pour permettre d’approfondir leurs travaux.